稀有事件预测的综述

Sep, 2023

A Comprehensive Survey on Rare Event Prediction

Chathurangi Shyalika, Ruwan Wickramarachchi, Amit Sheth

TL;DR稀有事件预测是使用机器学习和数据分析识别和预测低概率事件。由于数据分布不均衡，普通事件的频率远远超过稀有事件，需要在机器学习流程中的每个步骤中使用专门的方法，从数据处理到算法到评估协议。该论文全面综述了稀有事件预测的当前方法在四个方面：稀有事件数据，数据处理，算法方法和评估方法。它旨在找出当前文献中的差距并突出预测稀有事件的挑战。它还提出了潜在的研究方向，可帮助指导从业人员和研究人员。

Abstract

rare event prediction involves identifying and forecasting events with a low probability using machine learning and data analysis. Due to the imbalanced data distributions, where the frequency of common events vastly outweighs that of rare events, it requires using specialized methods

rare event prediction imbalanced data distributions machine learning pipeline evaluation approaches predicting rare events

发现论文，激发创造

大数据时代的事件预测：系统调查

本文在大数据时代提供了一个系统和全面的事件预测技术、应用和评估的调查，包括已经存在的技术、主要应用和评估方法的综述、开放问题和未来方向。

Jul, 2020

智能系统安全关键稀有事件的准确概率预测

本研究提出了一种多阶段学习框架以解决罕见事件的数据不平衡问题，并且成功开发了一种在评估智能系统安全性方面具有更高精确度和可靠性的关键性预测模型。

Mar, 2024

从系统视角看事件预测方法综述：融合不同研究领域

探究事件预测方法，将不同应用领域中散落的方法综合起来，通过分类、综合和评估现有工作，识别开放性挑战，并讨论未来研究方向。

Feb, 2023

纵向随访中罕见事件的预测模型和重采样方法

研究模型构建和重要性采样对长期随访研究中稀有事件预测的影响及其验证方法

Jun, 2023

尽管信息不完整，事件预测与因果推断

我们研究了在数据点序列中预测和解释事件发生的挑战，特别关注未知触发器导致事件发生的非连续、屏蔽和嘈杂数据点的情况。通过结合分析、仿真和机器学习方法，我们探索、量化和提供了解决此挑战的解决方案，并确证了支持各种变化的通用方程。使用这些方程，我们描述了复杂性如何随各参数变化（例如，明显和隐藏状态的数量、触发器长度、置信度等）而变化，并量化了成功训练机器学习模型所需的数据。我们还证明了我们的机器学习解决方案能够学习和识别未知触发器并预测事件的发生。如果挑战的复杂性过高，我们的机器学习解决方案可以识别触发器候选项，以更高效的方式与正在调查的系统进行交互，以确定真正的触发器。通过分享我们的发现，我们希望帮助其他面临类似挑战的人们，让他们能够估计问题的复杂性、所需数据以及解决方案。

Jun, 2024

机器学习技术在不平衡数据中的综述与未来趋势

通过对 258 篇论文的综合分析，本文着重从技术和应用的角度对不平衡学习进行了深入研究，总结了各种方法在不同领域解决不平衡数据问题的实践，旨在为学术和工业界的研究人员提供一个全面的指南，以利用大规模不平衡数据进行机器学习。

Oct, 2023

稀有事件建模的变分分离

提出了一种基于极值分布和变分去解耦的方法，用于在高度不平衡的分类问题中学习罕见事件和提高临床决策支持系统的性能。该方法在合成研究和实际临床数据集上具有显著的性能优势，包括 COVID-19 毒性预测。

Sep, 2020

基于多任务学习使用移动感知技术进行罕见生活事件检测

本文提出了一种基于移动传感器数据来检测罕见生活事件的多任务框架，通过使用格兰杰因果性和无监督自编码器以及辅助序列预测器来提高检测准确性，结果显示该方法的 F1 值达到了 0.34，表现优于多个基线，结果为罕见事件检测提供了有效的方法。

May, 2023

用于预测火灾和其他紧急事件的统计和机器学习模型

此研究针对加拿大埃德蒙顿市的各类紧急事件，通过数据收集、描述性分析、特征分析与选择以及建立预测模型，以不同时间和空间分辨率预测各类事件的发生概率，并对其与社会经济和人口数据的关联进行分析，结果显示模型在大部分事件类型上表现良好，可用于紧急救援服务部门的资源分配和规划，同时研究还发现 COVID-19 对事件发生和预测模型的精度有显著影响。

Feb, 2024

战略场所罕见事件预测的基于案例推理方法

本研究提出了一种基于案例推理的方法，能够自动预测军事战略站点上的罕见事件，通过实验证明了该方法在军事防御方面的强大潜力。

Feb, 2022